《基于道路图像的能见度检测综述》由会员分享，可在线阅读，更多相关《基于道路图像的能见度检测综述（6页珍藏版）》请在金锄头文库上搜索。
1、基于道路图像的能见度检测综述靳引利 1）2） ，许倩 1）（长安大学 电子与控制工程学院，陕西 西安 710064；长安大学 电子与控制工程学院，陕西 西安 710064）摘要：能见度不仅影响道路通行能力，而且极易引发交通事故，威胁生命与财产安全，故监测与检测能见度是保证道路通畅与安全的重要手段。传统能见度检测多依赖气象设备，安装与维护成本较高，难以高密度布设；随道路监控系统的应用，为以图像处理的能见度研究提供了条件。通过介绍能见度相关理论基础，对比目测、器测、图像检测的方法特点。围绕道路交通环境，着重讨论采用基于图像特征法、模型学习的白天能见度检测及光源特征推演的夜间能见度检测研究进展、结果
2、，并以此为基础阐述了道路交通领域能见度检测的研究应用前景。 关键字：能见度检测；图像处理；特征法；模型学习；Summary on Visibility Detection Base on Road ImageJIN Yin-li 12, XU Qian 1（College of Electrical and Control Engineering, Changan University, Xian, 710064）Abstract: Visibility not only affects the capacity of freeway, but also easily leads to acc
3、idents, threatening life and property safety. Traditional visibility detecting depends on meteorological facilities, but it has a high cost on installation and maintenance of the facilities. Therefore, its difficult to lay meteorological facilities with high density in the freeway. With the freeway
4、monitoring system being widely using, it makes a foundation for study visibility based on images. Describe The basic theory research, and compare the principle, the advantages and disadvantages of the three methods-visual method, instrumental method, image detection method; Around the road traffic e
5、nvironment, discuss the status of daytime, nighttime visibility detection, and elaborate on the basis of trends in the transport sector application visibility detected using image processing research.Key words: visibility detection, image processing, feature detection, model learning0 引言能见度是衡量大气透明度的
6、物理量，同时也是重要的交通气象观测要素之一。在雾、沙尘、霾、大风等恶劣天气影响下道路环境能见度较低，导致行车环境的可视性与辨识度降低，驾驶员通过视觉获得周边信息量降低，对行车安全构成威胁，因此监测与检测能见度是预防低能见度安全隐患的重要手段。特别是在具备高速度、大流量特性的高速公路上，出现雨、雪、大雾等恶劣气象时，低能见度对驾驶员视觉干扰严重，极易引发交通事故，且往往会引起连锁反应，导致严重追尾事件或重大人员伤亡事故。因此及时与准确掌握道路能见度是关系到道路使用者生命、财产安全的大事，也是道路运营者需要全力解决的问题。本文通过介绍国内外道路交通领域的能见度检测方法，着重于综述基于图像处理的能见
7、度研究状况，期望全面了解行业内该领域现状，并对其发展起到推进作用 1。1作者简介：靳引利（1972）男，副教授，硕士生导师，研究方向为交通系统分析与仿真、交通机电系统、交通信息系统、交通控制与评估研究、软件工程（ ） ；许倩(1990 )女，在读硕士，控制理论与控制工程专业（） ；1 能见度定义与检测方法1.1 能见度定义国际照明委员会 CIE（International Commission on Illumination）对能见度定义 1为在人肉眼没有任何帮助的条件下，所能识别物体的最大距离称为当前能见距离。我国在相关气象规范 23中对能见度也进行了定义，即白天指视力正常（对比阈值为 0.
8、05）的人，在当时的天气条件下，能够从天空背景中看到和辨认的目标物（黑色、大小适度）的最大水平距离（m） ；夜间指中等强度的发光体能被看到和识别的最大水平距离（m） 。然而能见度定义中未明确提出对目标物的形状、具体大小、观测角度等方面要求 4。目前在研究与应用中，能见度定义成立是基于多个假设条件：观测时间段，主要集中在白昼；观测者视力正常；观测角度为水平方向；背景为天空；选择亮度较低的目标物，多为黑体物体且大小适中。1.2 能见度检测方法能见度检测方法主要分为三类：目测法、器测法、图像视觉特征检测法 5，通过对比三种检测方法的原理、优缺点 67可得到表 1。表 1 能见度检测方法对比Tab.1
9、 Comparison of visibility detection methods方法 原理 优点 缺点目测法 通过人眼观测，依靠经验对能见度估测。方法较为原始，操作简单，经济，能够反映一定的能见度状况，在某些场合仍然在用。属于主观判断过程，缺乏客观性；人眼在观测中存在一定的盲区，当光线或亮度低于一定的阈值时，人眼对物体的可辨性降低，检测误差较大；同时观测频率受限。器测法通过气象检测设备测量一定空间范围的气象参数，得到大气消光系数，计算能见度值。主要检测设备有透射仪与散射仪。测量精度相对较高，适合对能见度测量要求较高的场合。安装与维修费用昂贵，采样范围有限，对于交通上常出现局部“小气候”
10、，器测法较难反映整体路段能见度信息，存在检测局限性；测量的可靠性受硬件系统的稳定性影响，对安装环境有一定技术要求。图像视觉特征法检测法通过提取采集的图像特征，分析特征参数与能见度的关系，反演能见度值。采集设备有车载摄像机与路侧摄像机，应用场合较为灵活；测量结果比较可靠。检测精度受图像质量的影响较大；对检测算法与图像处理技术有较高的要求。由上表可知，目测法主观性强，精确度较低；器测法精度高，能够满足对能见度的检测要求，但是费用较高，不适用于密集型布设。而图像视觉特征法精确度与算法关联紧密，且对图像采集设施有依赖性。但是在道路交通领域，可以凭借路侧监控或者车载摄像机等图像采集设备构建低成本能见度检
11、测平台，故基于图像处理的能见度检测具有很大的研究价值与发展空间。2 能见度检测理论基础根据能见度的定义，各研究人员在能见度测量或计算方面提出了一定的理论基础。然而白天与夜间能见度定义不同，故能见度的检测理论也存在白天与夜间的差异。（1） 白天能见度计算1924 年，Koschmieder 提出的 Koschmieder 定律将大气能见度与大气消光系数联系起来，形成了大气能见度定量计算的理论基础，即设观测目标物亮度 L 与目标物自身亮度和背景环境亮度 之间关系满足 ，其中 为观测时大气消0LbL0(1)xxbLee光系数，x 为观测点与目标物之间距离。Duntley 在 Koschmieder
12、定律的基础上得到了亮度对比关系 ，其中 为目0xCeC标物的视亮度与背景亮度差， 为目标物的固有亮度与背景亮度差，则 ，记0C0x，称 为视觉对比阈值。根据国际民航组织推荐 为 0.05，即得到白天能见度为0C 。2.96VR（2） 夜间能见度计算Allard 定律是测量夜间大气能见度的基础，夜间一般选取灯光为目标物，且夜间能见度以灯光到达观测者眼中的照度来衡量。根据 Allard 定律，在夜间以灯光源为目标物时，大气消光系数为 ，光强为 的光源在距离光源 x 处产生的照度为 ，满足 ，0I E02xIe那么当夜间光源到达观测者眼中的照度恰好为眼睛照度阈值 时，则此时能见度 V 满足0。02V
13、IEe3 能见度检测发展现状目前基于图像处理的能见度检测多集于对白天检测，且主要围绕以下两类方法：（1）特征检测法，即通过检测地平线附近目标物和对应水平天空亮度差值之比，或寻找图像特征信息与大气消光系数之间的关系计算能见度；（2）模型学习法，即通过机器学习或样本训练构建图像与能见度之间的对应关系模型，利用模型匹配或计算待测图像能见度。在特征检测中比较直接的方法是通过检测固定目标物或标记的图像特征，建立目标物图像特征与能见度关系模型，反演计算能见度值。Kwon T M8通过检测视频图像中人为设置的多个目标物得到亮度与距离关系计算能见度，其中测量精度与目标物设置稀疏程度有关。该方法需要人为安装目标
14、物或标记目标物，成本较高且操作比较繁琐。在研究的进一步推动下产生了无需人为设置目标物的检测方法，陈启美等人 9结合摄像机标定，利用人眼可分辨率获取图像兴趣域像素点计算最远距离，并通过 Kalman 滤除检测干扰，实验表明经过 Kalman 滤波后检测结果比人眼观测值略小，差分均值为 3.87，方差为 5.57。同时他们又提出了通过摄像机自标定技术恢复图像距离信息 410，建立图像虚拟观测目标物，采用检测虚拟目标物的边缘，拟合虚拟目标和距离曲线，结合人眼可分辨计算能见度，实验检测结果与人眼及能见度仪检测相比误差在 10%以内。该方法避免了人为安装或标记目标物，降低了检测成本与操作要求，但提高了摄
15、像机的标定要求。此外还可通过检测图像灰度或像素拐点，建立拐点与消光系数关系，结合摄像机模型与大气对比度衰减模型计算能见度。其中，陈启美等人 111213在摄像机标定基础上，通过提取图像中亮度和高度一致的路面区域，建立路面亮度变化曲线求取拐点进而计算能见度值，实验检测结果与目测相比较，检测精度可达 94%。宋洪军等人 14采用区域搜索算法与纹理特征提取识别雾天，求取兴趣域像素拐点与消光系数，结合能见度定义计算能见度值，通过实验检测三种场景能见度，表明该算法与人眼观测效果一致，准确率高于 86%且检测误差在 20m 以内。刘建磊等人 15提出了拐点线检测滤波器，应用能见度计算模型与拐点检测结果计算
16、雾天能见度，结果表明该方法与基于区域增长算法相比运行时间与检测误差分别降低 80%和 12.2%，提高了雾天能见度检测速度与精度。 在何凯明提出暗通道先验知识 16的基础上，苗苗 17以及郭尚书等 5人利用暗通道先验知识估算出透射率，并通过导向滤波优化进而计算消光系数反演能见度，结果说明该方法的检测结果与人工目测数据、气象监控数据基本一致。但是采用暗通道先验知识的方法检测精度与图像质量关联较大，易受干扰，对图像质量要求较高。综上研究知，图像特征的能见度检测方法以研究单张图像内部特征关联为主，在图像质量与信息理想的条件下检测准确率较高，而一旦采集的图像道路线形、周边环境等复杂时会算法难度会增大，同时该方法主要针对单帧图像，处理大量图像处理时效率会低。在利用模型学习法的研究中，Hallowell R G 等人 18提出基于标志
